| Files | Last commit | Last update |
|---|---|---|
fix: [maximum_grad/minimum_grad] golden 三方标杆与 e2e 通路统一为 tf.function 纯反向口径 Co-authored-by: Hana77<wangtianqi27@huawei.com> # message auto-generated for no-merge-commit merge: !6802 merge mm into master fix: [maximum_grad/minimum_grad] golden 三方标杆与 e2e 通路统一为 tf.function 纯反向口径 Created-by: Hana77 Commit-by: Hana77 Merged-by: cann-robot Description: ## 描述 修正 maximum_grad / minimum_grad 测试资产（tests/assets/golden.py 三方标杆与 *_e2e.py e2e 通路）中浮点反向的实现与计时口径。 ### 改动原因 - 旧实现浮点路径每次调用裸起 tf.GradientTape，前向（maximum/minimum 与 Mul）随反向一同进入执行与计时窗口，GPU 三方标杆采集的 device_us 并非纯反向耗时，与 NPU 侧 e2e 通路口径不对称。 - 旧 e2e 实现为规避 npu_device 动态图 GE 会话模型缓存按算子节点名复用导致的常量串台问题，每次调用都以唯一 name_scope 强制 graph_id 错开，代价是每次调用重新编译，同签名用例无法共享已编译图。 ### 改动方法 - **golden.py（三方标杆）**：浮点路径改为 tf.function 包裹的 tape 反向，只返回梯度，前向为死代码被剪除，计时窗口纯反向；int32 无梯度定义，抽出手拼分支（GreaterEqual/LessEqual + SelectV2×2 + Sum，与 golden 同口径）。 - **\*_e2e.py（e2e 通路）**：浮点路径改为 tf.function 包裹的 tape 反向且只返回梯度，NPU 执行纯反向链（融合后 te_maximumgrad/te_minimumgrad + te_reducesum），与 GPU 侧标杆口径对称；tf.function 按 (shape,dtype) 签名缓存 concrete function，同签名共享编译图（输入为 placeholder，无常量串台），跨签名 trace 时以 _TRACE_SEQ 唯一化 name_scope 错开 graph_id；int32 保留手拼路径。 - numpy golden（kernel/geir 通路 oracle）与精度判据（binary_equal、三比值）不变；融合规则的 gradient_tape scope 检查按名字分段匹配，前缀不影响。 ## 关联的Issue - #4204 ## 测试 - 变更仅涉及 tests/assets 测试资产，不改动算子实现（op_host/op_kernel/op_graph）。 - 验证方式：复用进程批跑 maximum_grad / minimum_grad 的 e2e 用例，确认浮点 golden 三比值 cross_check 通过、int32 binary_equal 通过、device_us 采集正常且同签名用例不重复触发编译。 ## 文档更新 - 无（不涉及 README / docs 变更）。 ## 类型标签 - [x] Bug修复 - [ ] 新特性 - [ ] 性能优化 - [ ] 文档更新 - [ ] 其他，请描述： See merge request: cann/ops-math!6802 | 11 days ago | |
feat: 新增Ascend950系列MaximumGrad、MinimumGrad算子实现 Co-authored-by: Hana77<wangtianqi27@huawei.com> # message auto-generated for no-merge-commit merge: !6632 merge 1030 into master feat: 新增Ascend950系列MaximumGrad、MinimumGrad算子实现 Created-by: Hana77 Commit-by: Hana77 Merged-by: cann-robot Description: ## 描述 ### 改动原因 Ascend950（arch35）系列需要原生支持 MaximumGrad/MinimumGrad（elementwise maximum/minimum 的反向梯度算子，兼容 TensorFlow MaximumGrad/MinimumGrad）。TF 反向图中该梯度被分解为 GreaterEqual/LessEqual + Select/SelectV2 + 常量 zeros 的多算子子图，执行效率低，需要提供单一融合算子承接。 ### 改动方法 新增 math/maximum_grad、math/minimum_grad 两个算子工程（40 个文件，+4979 行）： **算子规格**：输入 grads/x1/x2（float16/float32/bfloat16/int32，ND，三输入 dtype 必须一致）；输出 y1/y2（broadcast 后 shape）；属性 grad_x/grad_y（bool，默认 true，不能同时为 false）；AICore 配置 ascend950，支持动态编译静态化、动态 rank、动态 shape。 **Host 侧**：op_def 注册 + proto（TF 兼容）；infershape 三输入 broadcast 推导（两输出均为 broadcast shape，校验空 tensor/属性合法性）；InferDataType 迁移至 op_graph（4 dtype 白名单 + 跨输入一致性校验）；arch35 tiling 基于 atvoss broadcast tiling；ascend950 binary 配置 4 dtype × 3 输出形态（y1_only/y2_only/both）共 12 个/算子。 **Kernel 侧**：arch35 AIV only，基于 atvoss BroadcastSch 调度 + DAG 描述，按 outputCount 模板实例化三种输出形态。 **融合规则 MaximumMinimumGradFusionPass**（maximum/minimum 共用）：将 TF 分解梯度子图（GE/LE + Select/SelectV2 + zeros，5→2）融合为单一算子；支持 both/dx-only/dy-only 三种形态，单形态要求子图边界自包含（self-contained）防误匹配；基于 GE 9.0.0 pattern 框架，编译期宏 + 运行时版本双重保护（低于 9.0.0 不注册），≥9.0.0 走 AfterInferShape。 canndev 侧配套改动：https://gitcode.com/cann/canndev/pull/82627 ## 关联的Issue - #3966 ## 测试 - UT：infershape / tiling(arch35) / graph_infer / fusion_pass（含 Select 与 SelectV2、GradientTape 命名、dx-only/dy-only 正例，平台不支持、scope 不匹配、zeros 非全零、端口交换等负例） - E2E：tests/assets golden 基准 + maximum_grad_e2e.py / minimum_grad_e2e.py（tensorflow 命名空间挂载） - GEIR 示例：examples/arch35/test_geir_maximum_grad.cpp、test_geir_minimum_grad.cpp ## 文档更新 - 无 ## 类型标签 - [ ] Bug修复 - [x] 新特性 - [ ] 性能优化 - [ ] 文档更新 - [ ] 其他，请描述： See merge request: cann/ops-math!6632 | 14 days ago |